Bỏ qua tới nội dung
Ông T.vn

MemPalace: bộ nhớ AI chạy trên máy bạn, tìm lại cuộc trò chuyện cũ — hướng dẫn cài đặt và dùng

11 phút đọcCập nhật
MemPalace: bộ nhớ AI chạy trên máy bạn, tìm lại cuộc trò chuyện cũ — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

MemPalace là công cụ dòng lệnh Python giúp AI có bộ nhớ dài hạn: nó lưu nguyên văn hội thoại và tài liệu trên máy bạn rồi tìm lại theo ý nghĩa. Nó cũng có máy chủ MCP để nối với Claude Code và các công cụ tương tự. Cài bằng một lệnh uv hoặc pipx, khá dễ nếu bạn đã quen mở terminal.

MemPalace là một hệ thống bộ nhớ cho AI, chạy ngay trên máy bạn. Nó lưu lại lịch sử trò chuyện và file dự án dưới dạng văn bản nguyên bản, rồi cho bạn tìm lại bằng tìm kiếm theo ý nghĩa. Nó không tóm tắt, không viết lại, không diễn giải nội dung của bạn.

Vấn đề nó giải quyết rất đời thường: bạn làm việc với AI cả tuần, rồi hỏi lại 'hôm trước mình quyết định thế nào về chuyện đó?' thì AI không nhớ. Phiên làm việc mới là trang giấy trắng. MemPalace giữ lại tất cả để bạn (hoặc chính AI của bạn) tra cứu lại khi cần.

Repo hiện có khoảng 60.538 sao và 7.667 fork, giấy phép MIT, viết bằng Python. Theo tác giả, điểm đáng giá nhất là chế độ tìm kiếm thô đạt 96,6% R@5 trên bộ kiểm thử LongMemEval mà không gọi API nào. Nghĩa là bạn không cần key, không cần trả tiền cho dịch vụ đám mây để có kết quả đó. Nếu bạn là lập trình viên mới hoặc người dùng Claude Code lâu ngày, đây là repo đáng thử.

CLI

MemPalace/mempalace

MemPalace lưu nguyên văn các cuộc trò chuyện và file dự án trên máy bạn, rồi tìm lại bằng tìm kiếm ngữ nghĩa, không cần API key.

★ 61kPythonMIT
Xem repo trên GitHub

I.MemPalace làm được gì

A.Lưu nguyên văn, không tóm tắt

Mọi thứ được lưu đúng như bạn viết. Lợi ích thực tế: khi tìm lại, bạn thấy đúng câu chữ ban đầu chứ không phải bản AI đã diễn đạt lại, nên ít bị sai lệch.

B.Sắp xếp theo kiểu 'cung điện'

Chỉ mục có cấu trúc: người và dự án thành wing (cánh), chủ đề thành room (phòng), nội dung gốc nằm trong drawer (ngăn kéo). Bạn có thể giới hạn tìm kiếm trong một dự án thay vì lục toàn bộ kho, nên kết quả gọn hơn.

C.Chạy cục bộ, dữ liệu ở lại máy bạn

Theo README, không có gì rời khỏi máy bạn trừ khi bạn tự bật. Đây là điểm quan trọng nếu bạn làm việc với tài liệu công ty hoặc dữ liệu khách hàng.

D.Nhiều kho lưu trữ để chọn

Mặc định là ChromaDB, không cần cấu hình gì. README còn liệt kê các lựa chọn khác như sqlite_exact, rust_exact, milvus, qdrant, pgvector. Người mới cứ dùng mặc định là đủ.

E.Đồ thị tri thức

Có một đồ thị quan hệ giữa các thực thể, kèm khoảng thời gian có hiệu lực (thêm, truy vấn, vô hiệu hoá, xem dòng thời gian), lưu bằng SQLite cục bộ. Hữu ích khi thông tin thay đổi theo thời gian, ví dụ ai phụ trách dự án nào vào lúc nào.

F.Máy chủ MCP với 47 công cụ

MCP là cách để các công cụ AI như Claude Code gọi chức năng bên ngoài. MemPalace cung cấp 47 công cụ: đọc/ghi bộ nhớ, đồ thị tri thức, quản lý ngăn kéo, nhật ký cho agent. Nhờ đó AI tự tra bộ nhớ ngay trong lúc trả lời.

G.Hook tự động lưu

Có hook tự lưu cho Claude Code, Codex CLI và Cursor IDE, lưu định kỳ và trước khi ngữ cảnh bị nén. README cảnh báo: phiên Claude Code sẽ hết hạn sau 30 ngày nếu bạn chưa nối hook tự lưu, nên đáng để làm sớm.

II.Cần chuẩn bị gì

  • Python 3.10 trở lên (pyproject.toml yêu cầu >=3.10).
  • Một kho vector: mặc định là ChromaDB, đã đi kèm, không cần cài riêng.
  • Dung lượng đĩa cho mô hình embedding. README ghi khoảng 300 MB. Có hai lựa chọn: embeddinggemma (đa ngôn ngữ, hơn 100 ngôn ngữ, README khuyên dùng) và minilm (chỉ tiếng Anh, khoảng 30 MB).
  • Không cần API key cho đường chạy cốt lõi.
  • GPU không bắt buộc. Trên Apple Silicon, README nói CPU là bình thường. Có bản Docker GPU nhưng phải tự build.
  • Công cụ cài đặt: README khuyên uv, hoặc pipx, hoặc pip trong môi trường ảo.
  • Nếu dùng Docker: cần cài Docker. Máy Android/Termux hiện chưa được hỗ trợ cài trực tiếp.

Về hệ điều hành, README không có mục nào nói thẳng 'chạy được trên Windows'. Nó chỉ nhắc Docker Desktop trên macOS và Windows. Nếu dùng Windows, bạn nên xem trang hướng dẫn chính thức trước khi cài.

Chỉ tải MemPalace từ ba nguồn chính thức: kho GitHub, gói PyPI tên mempalace, và trang tài liệu mempalaceofficial.com. README cảnh báo các tên miền khác (đuôi .tech, .net hay biến thể .com) là giả mạo và có thể phát tán mã độc.

III.Cài đặt từng bước

  1. Mở terminalDùng terminal có sẵn uv hoặc pipx
  2. Cài góiChạy uv tool install mempalace
  3. Khởi tạoChạy mempalace init trỏ vào thư mục dự án
  4. Nạp dữ liệuDùng mempalace mine để đưa nội dung vào
  5. Tìm thửDùng mempalace search để hỏi lại

A.Cách nhanh: nhờ AI cài giúp

README có đường 'cài theo hướng dẫn của agent'. Bạn cài bộ skill trước, rồi nhờ công cụ lập trình AI (như Claude Code) thiết lập MemPalace. Skill sẽ nhận diện hệ thống, cài gói Python, cấu hình MCP và hỏi bạn muốn kiểu nào: palace riêng trên máy, hub dùng chung, hay máy khách nối vào hub có sẵn.

Terminal
npx skills add MemPalace/mempalace

Lệnh này cần Node.js (để có npx). Lưu ý: cài skill chưa phải là cài MemPalace. Skill chỉ hướng dẫn agent làm việc đó, và agent sẽ thay đổi hệ thống của bạn nên hãy đọc kỹ những gì nó đề xuất.

B.Cách trực tiếp: cài CLI bằng uv

Mở terminal (PowerShell, Terminal trên macOS hay Linux đều được). README khuyên dùng uv vì nó cài công cụ vào một môi trường tách biệt, tránh xung đột với các gói Python khác trên máy.

Terminal
uv tool install mempalace
mempalace init ~/projects/myapp

Dòng đầu cài lệnh mempalace. Dòng hai khởi tạo palace cho thư mục dự án. Hãy thay ~/projects/myapp bằng đường dẫn thật của bạn. Chỗ người mới hay vấp: nếu gõ mempalace mà báo 'không tìm thấy lệnh', hãy đóng và mở lại terminal để PATH được nạp lại.

Bạn cũng có thể chọn mô hình embedding lúc khởi tạo bằng cờ --embedding-model (chọn embeddinggemma hoặc minilm). Nếu nội dung của bạn có tiếng Việt, mô hình đa ngôn ngữ là lựa chọn hợp lý hơn theo mô tả của README.

C.Cách khác: pipx hoặc pip

Nếu bạn quen pipx, README nói nó hoạt động tương tự:

Terminal
pipx install mempalace

Dùng pip thường chỉ nên làm trong môi trường ảo đã kích hoạt:

Terminal
python -m venv .venv && source .venv/bin/activate
pip install mempalace

Lệnh source .venv/bin/activate là cú pháp macOS/Linux. README không ghi lệnh tương đương cho PowerShell, nên người dùng Windows nên ưu tiên uv hoặc pipx.

D.Cách khác: Docker

Nếu không muốn cài Python, bạn kéo ảnh Docker:

Terminal
docker pull ghcr.io/mempalace/mempalace:latest

Mọi thứ (palace, cấu hình, mô hình embedding) nằm trong /data, nên hãy gắn một volume vào đó để không mất dữ liệu:

Terminal
# MCP server over stdio — note the `-i` flag (JSON-RPC needs stdin)
docker run -i --rm -v mempalace-data:/data ghcr.io/mempalace/mempalace

# Run any CLI command instead. The container only sees what you mount, so
# mount the directory you want to mine — read-only is enough, mining never
# writes to the source.
docker run --rm -v mempalace-data:/data -v /path/to/project:/work:ro \
  ghcr.io/mempalace/mempalace mine /work
docker run --rm -v mempalace-data:/data ghcr.io/mempalace/mempalace search "why GraphQL"

Container chỉ thấy thư mục bạn gắn vào, nên phải gắn thư mục muốn nạp. Lần chạy đầu cần tải mô hình embedding (khoảng 80 MB cho minilm, khoảng 300 MB cho embeddinggemma), nên chậm và cần mạng. Đừng vội nghĩ container bị treo.

E.Nối vào Claude Code qua MCP

Để AI tự dùng bộ nhớ, khai báo MemPalace như một máy chủ MCP. Ví dụ theo README, dùng Docker:

JSON
{
  "mcpServers": {
    "mempalace": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-v", "mempalace-data:/data",
        "-v", "/absolute/path/to/.claude/projects:/transcripts:ro",
        "ghcr.io/mempalace/mempalace"
      ]
    }
  }
}

Phải dùng đường dẫn tuyệt đối thật, vì không phải client MCP nào cũng hiểu ~ hay $HOME. Từ đó về sau, đường dẫn là đường dẫn trong container: bạn nạp /transcripts chứ không phải ~/.claude/projects. Với cách cài bằng uv, README trỏ đến trang hướng dẫn chính thức để xem cách cấu hình MCP; phần README mình có không ghi chi tiết đoạn này.

IV.Kiểm tra đã chạy được chưa

README không có đoạn 'kiểm tra cài đặt' riêng, nhưng bạn có thể tự thử bằng chính các lệnh trong phần khởi động nhanh:

Terminal
mempalace mine ~/projects/myapp
mempalace search "why did we switch to GraphQL"
mempalace audit

Cách đánh giá đơn giản:

  • Lệnh mempalace được nhận diện, không báo 'command not found'.
  • Sau khi mine một thư mục nhỏ, search trả về đoạn văn bản liên quan đến câu hỏi của bạn.
  • mempalace audit chấm điểm mức độ ngăn nắp của palace. README ghi lệnh này chỉ đọc và an toàn khi máy chủ MCP đang chạy.

Nếu bạn dùng Docker, lần chạy đầu chậm là bình thường vì phải tải mô hình.

V.Dùng vào việc thật

A.Lập trình viên muốn nhớ vì sao đã chọn một giải pháp

Bạn làm một dự án vài tháng và quên mất lý do đổi sang GraphQL. Nạp thư mục dự án rồi hỏi lại:

Terminal
mempalace mine ~/projects/myapp
mempalace search "why did we switch to GraphQL"

Kết quả là các đoạn văn bản gốc có liên quan, đúng câu chữ lúc đó, để bạn đọc lại lý do thay vì đoán.

B.Người dùng Claude Code lâu ngày, sợ mất lịch sử phiên

Bạn dùng Claude Code mỗi ngày và các phiên cũ nằm trong thư mục ~/.claude/projects/. Bạn nạp chúng vào palace theo chế độ hội thoại:

Terminal
mempalace mine ~/.claude/projects/ --mode convos

README gợi ý dùng thêm --wing để tách theo từng dự án. Kết quả là toàn bộ lịch sử hội thoại tìm lại được, không còn phụ thuộc hạn 30 ngày của phiên.

Bộ nhớ tốt nhất là bộ nhớ giữ nguyên lời bạn đã nói, không phải bản tóm tắt của ai đó.

Ông T

C.Mở phiên mới mà không phải giải thích lại từ đầu

Sáng nào bạn cũng phải kể lại bối cảnh cho AI. Thay vào đó, trước khi bắt đầu, chạy:

Terminal
mempalace wake-up

Lệnh này nạp ngữ cảnh cần thiết cho phiên mới, nên AI vào việc nhanh hơn. Đây là tình huống hợp với người làm việc lặp lại trên cùng một dự án.

D.Nhóm nhỏ dùng chung một bộ nhớ

README nhắc đến chế độ 'shared-brain hub' khi cài bằng skill, và file deploy/docker-compose.server.yml để dựng máy chủ cho nhóm. Một nhóm nhỏ có thể dựng một hub, mỗi người nối vào làm máy khách. Chi tiết cấu hình nằm ở trang tài liệu và thư mục deploy/ trong repo; phần README mình có chưa nói rõ từng bước, nên bạn hãy đọc ở đó trước khi triển khai.

VI.Lỗi hay gặp và cách xử lý

A.Gõ mempalace báo không tìm thấy lệnh

Thường do PATH chưa được nạp sau khi cài bằng uv tool install. Hãy đóng terminal, mở lại rồi thử lại. Nếu vẫn lỗi, kiểm tra xem uv hoặc pipx đã cài đúng chưa.

B.Lỗi PEP 668 khi dùng pip

Trên Debian/Ubuntu/Homebrew, cài pip thẳng vào Python hệ thống có thể bị chặn. Đó là lý do README khuyên dùng uv tool install hoặc pipx, hoặc pip trong môi trường ảo. Đừng ép cài bằng cách phá hàng rào bảo vệ.

C.Container Docker có vẻ bị treo ở lần đầu

Lần đầu cần tải mô hình embedding (khoảng 80 MB hoặc 300 MB). Cần có mạng và cần chờ. Nếu gắn volume vào /data, lần sau sẽ nhanh.

D.PermissionError: [Errno 13] trên Linux khi dùng Docker

Ảnh chạy bằng uid 1000 và thư mục gắn vào giữ quyền sở hữu của máy chủ. Thư mục quyền 0700 sẽ không đọc được. README nói rõ đừng xử lý bằng --user, vì khi đó uid khác không ghi được palace. Hãy chỉnh quyền thư mục để uid 1000 đọc được. README ghi lỗi này chỉ gặp trên Linux.

E.Đổi mô hình embedding xong tìm kiếm lệch

Đổi mô hình trên palace đã có cần nhúng lại toàn bộ, vì không gian vector khác nhau. Khi chuyển sang embedding qua máy chủ kiểu OpenAI-compatible, README yêu cầu chạy mempalace repair rebuild-index. Hãy sao lưu dữ liệu trước khi làm.

VII.Có nên dùng không

Điểm mạnh. Miễn phí, giấy phép MIT, chạy cục bộ và không cần API key cho đường cốt lõi. Lưu nguyên văn nên dễ tin cậy. Số liệu benchmark có kèm lệnh để tự chạy lại trong repo, và tác giả thẳng thắn nói không đưa 'con số 100%' vì đã từng chỉnh theo câu hỏi sai. Có nhiều đường cài: uv, pipx, pip, Docker, hoặc nhờ agent.

Giới hạn. Đây là công cụ dòng lệnh và MCP, không có giao diện đồ hoạ cho người không quen terminal. Chưa có thông tin rõ về hỗ trợ Windows ở phần README mình đọc. Termux/Android không cài trực tiếp được. Mô hình embedding tốn khoảng 300 MB, và đổi mô hình là phải nhúng lại. Các con số benchmark là của tác giả công bố; hãy tự kiểm chứng trên dữ liệu của bạn, nhất là với nội dung tiếng Việt.

Khi nào chọn cách khác. Nếu bạn chỉ cần ghi chú đơn giản, một file văn bản hay công cụ ghi chú quen thuộc là đủ. Nếu bạn cần dịch vụ bộ nhớ đám mây có sẵn giao diện và không muốn tự quản lý, hãy cân nhắc các dịch vụ khác; README không so sánh trực tiếp với chúng nên mình không kết luận hơn kém.

Nếu bạn dùng AI lập trình hằng ngày và muốn nó nhớ được những gì hai bên đã làm, MemPalace đáng một buổi chiều để thử.

4.8/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

MemPalace có miễn phí không?

Có. Repo dùng giấy phép MIT và tác giả mô tả đây là hệ thống bộ nhớ AI mã nguồn mở, miễn phí. README nói đường chạy cốt lõi không cần API key.

Có cần GPU không?

Không bắt buộc. Trên Apple Silicon, README nói CPU là bình thường cho các mô hình embedding mặc định. Có Dockerfile.gpu cho CUDA nhưng ảnh GPU không được publish sẵn, bạn phải tự build.

Dữ liệu của tôi có an toàn không?

README nói không có gì rời khỏi máy bạn trừ khi bạn tự bật. Nếu dùng embedding qua máy chủ OpenAI-compatible nằm trên máy hoặc mạng nội bộ thì nội dung cũng không ra ngoài mạng của bạn.

Cài bằng cách nào dễ nhất?

Với người quen terminal, chạy uv tool install mempalace rồi mempalace init cho thư mục dự án. Nếu muốn nhờ AI cài giúp, chạy npx skills add MemPalace/mempalace rồi yêu cầu agent thiết lập.

Chạy được trên Windows không?

Phần README đã đọc chưa nói thẳng về Windows. Nó chỉ nhắc Docker Desktop trên macOS và Windows. Bạn nên xem trang getting-started chính thức trước khi cài trên Windows.

MemPalace hỗ trợ tiếng Việt không?

README ghi mô hình embeddinggemma là đa ngôn ngữ, hơn 100 ngôn ngữ, và là lựa chọn được khuyên dùng. Còn minilm chỉ dành cho tiếng Anh. Chưa có số liệu riêng về chất lượng tiếng Việt, nên hãy tự thử trên dữ liệu của bạn.

Có dùng được với Claude Code không?

Có. MemPalace có máy chủ MCP với 47 công cụ và hook tự lưu cho Claude Code, Codex CLI và Cursor IDE. Bạn cũng có thể nạp lịch sử phiên Claude Code bằng mempalace mine với chế độ convos.

Chuyển nhanh tới mục

  1. I.MemPalace làm được gì
    1. A.Lưu nguyên văn, không tóm tắt
    2. B.Sắp xếp theo kiểu 'cung điện'
    3. C.Chạy cục bộ, dữ liệu ở lại máy bạn
    4. D.Nhiều kho lưu trữ để chọn
    5. E.Đồ thị tri thức
    6. F.Máy chủ MCP với 47 công cụ
    7. G.Hook tự động lưu
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Cách nhanh: nhờ AI cài giúp
    2. B.Cách trực tiếp: cài CLI bằng uv
    3. C.Cách khác: pipx hoặc pip
    4. D.Cách khác: Docker
    5. E.Nối vào Claude Code qua MCP
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Lập trình viên muốn nhớ vì sao đã chọn một giải pháp
    2. B.Người dùng Claude Code lâu ngày, sợ mất lịch sử phiên
    3. C.Mở phiên mới mà không phải giải thích lại từ đầu
    4. D.Nhóm nhỏ dùng chung một bộ nhớ
  6. VI.Lỗi hay gặp và cách xử lý
    1. A.Gõ mempalace báo không tìm thấy lệnh
    2. B.Lỗi PEP 668 khi dùng pip
    3. C.Container Docker có vẻ bị treo ở lần đầu
    4. D.PermissionError: [Errno 13] trên Linux khi dùng Docker
    5. E.Đổi mô hình embedding xong tìm kiếm lệch
  7. VII.Có nên dùng không

Repo & Skill · 13/11/2026 · 11 phút đọc

Garden Skills: bộ skill thiết kế web, tạo ảnh, làm video cho AI — hướng dẫn cài đặt và dùng

Garden Skills là bộ sưu tập Agent Skills (kỹ năng cho AI) của tác giả ConardLi, dùng được với Claude Code, Cursor, Codex và các AI coding agent khác. Mỗi skill dạy agent làm tốt một việc như thiết kế trang web, tạo ảnh, làm video bằng code, biến tài liệu thành bài viết đẹp. Cài không khó, nhưng README có nhiều cách cài nên bạn cần chọn một cách hợp với công cụ đang dùng.

Repo & Skill · 13/11/2026 · 15 phút đọc

thesysdev/openui: xây giao diện AI dạng streaming — hướng dẫn cài đặt và dùng

OpenUI là framework full-stack, độc lập framework, giúp mô hình AI sinh giao diện có cấu trúc và hiển thị dần khi dữ liệu streaming về. Bạn có thể dựng nhanh một ứng dụng chat bằng CLI hoặc cài từng gói cho React, Vue, Svelte, Angular và LangChain. Việc bắt đầu khá đơn giản nếu máy có đúng phiên bản Node; README chưa ghi đầy đủ lệnh chạy ứng dụng sau khi scaffold.

Repo & Skill · 13/11/2026 · 11 phút đọc

Ruflo: điều phối nhóm agent AI cho Claude Code và Codex — hướng dẫn cài đặt và dùng

Ruflo (trước đây là Claude Flow) là một agent harness: lớp công cụ bao quanh Claude Code và Codex, bổ sung nhiều agent chuyên biệt, bộ nhớ qua các phiên và khả năng chia việc cho nhóm agent. Cài bằng một lệnh `npx ruflo@latest init` trong thư mục dự án, cần Node 20 trở lên. Cài khá dễ, nhưng hệ thống rất rộng nên bạn nên bắt đầu từ một tác vụ nhỏ.